-
公开(公告)号：CN118011212A
公开(公告)日：2024-05-10
申请号：CN202410057333.1
申请日：2024-01-16
Applicant: 中国第一汽车股份有限公司 , 哈尔滨工业大学
IPC: G01R31/367 , G01R31/374 , G01R31/396 , G06F30/25 , G06F113/08 , G06F119/08
Abstract: 本发明公开了一种电池温度估计方法、系统、车辆及存储介质，其中，方法包括：根据电池参数，构建联合估计模型，其中，联合估计模型用于估计单体电池内部温度、单体电池外部温度和单体电池外部热阻；根据联合估计模型，构建温度估计模型，其中，温度估计模型中包括冷却系统参数；响应于电池温度估计指令，利用温度估计模型，确定单体电池的温度。本发明解决了现有技术中针对单体电池温度的估计方法，考虑不够全面，会导致单体电池的温度估计结果不够准确的技术问题。
-
公开(公告)号：CN116595807B
公开(公告)日：2023-10-27
申请号：CN202310861920.1
申请日：2023-07-14
Applicant: 中国第一汽车股份有限公司 , 哈尔滨工业大学
IPC: G06F30/20 , G16C10/00 , G16C20/10 , G06F119/14
Abstract: 本发明公开了一种电池模型的生成方法和装置，涉及车辆中电池等效模型领域。其中，该方法包括：获取车辆中电池内部的实际反应机理，其中，实际反应机理用于表示电池内部的电化学反应；基于实际反应机理建立动力学模型，其中，动力学模型是基于对应的表征元件进行表征的，表征元件用于触发对应的电化学反应；基于动力学模型以及对应的表征元件，生成电池的电池模型，其中，电池模型用于对电化学反应过程进行模拟。本发明解决了车辆中电池的电池模型的精确度低的技术问题。
-
公开(公告)号：CN118604659A
公开(公告)日：2024-09-06
申请号：CN202410667840.7
申请日：2024-05-28
Applicant: 中国第一汽车股份有限公司 , 哈尔滨工业大学
IPC: G01R31/392 , G01R31/36 , G01R31/367
Abstract: 本申请实施例提供一种车云协同的电池SOH估计方法及装置，涉及车辆电池技术领域。该方法包括利用云端参数变量的多维特征指标建立云端老化特征；利用车端参数变量的多维特征指标建立车端老化特征；利用老化特征建立云端多模式SOH数据驱动模型和车端ΔSOH数据驱动模型；基于构建的模型进行车云协同的SOH数据驱动估计。该方法通过多维特征指标构造老化特征，充分发挥云端数据丰富、算力强，车端数据实时性高等优点，进而利用所构造的老化特征建立云端模型和车端模型，并实现车云协同的有效的SOH估计，提高SOH估计结果的准确性，解决现有方法协同性差，导致SOH估计结果准确性低的问题。
-
公开(公告)号：CN118011210A
公开(公告)日：2024-05-10
申请号：CN202311824702.7
申请日：2023-12-27
Applicant: 中国第一汽车股份有限公司 , 哈尔滨工业大学
IPC: G01R31/367 , G01R31/382
Abstract: 本申请实施例提供一种电池荷电状态估计与监控方法、装置、电子设备和存储介质，方法包括：构建电池外特性的观测方程；生成电池模型状态的观测方程和电池外特性的观测方程的方程参数的监控条件；根据电池模型状态的观测方程和电池外特性的观测方程对电池的荷电状态进行估计和监控；在估计和监控过程中，当方程参数满足监控条件时，对电池模型状态的观测方程和电池外特性的观测方程进行更新。本申请的方法克服现有技术中参数辨识与状态估计的相互反馈带来的错误累计传输问题，减少运算电池荷电状态估计与监控方法失常几率，提高荷电状态的估计与监控精度。
-
公开(公告)号：CN116610926A
公开(公告)日：2023-08-18
申请号：CN202310890788.7
申请日：2023-07-20
Applicant: 中国第一汽车股份有限公司 , 哈尔滨工业大学
IPC: G06F18/20 , G06N20/00 , G06F18/213 , G06F18/22 , G06F30/27 , B60L58/16 , G01R31/392 , G01R31/367 , G01R31/388 , G01R19/00 , G06F119/04
Abstract: 本发明公开了一种电池老化特征的确定方法、装置、存储介质和车辆，本发明涉及电池领域。该方法包括：获取电池在不同循环周期下的充电电压曲线；基于充电电压曲线，确定电池的充电电压区间；按照充电电压区间和充电电压曲线的曲线形状，对充电电压曲线进行划分，得到多段充电电压曲线；基于多段充电电压曲线，确定电池老化特征，其中，电池老化特征用于表征电池的老化程度。本发明解决了难以获得符合电池的实际使用条件的老化特征的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN117517967A
公开(公告)日：2024-02-06
申请号：CN202311402545.0
申请日：2023-10-26
Applicant: 中国第一汽车股份有限公司 , 哈尔滨工业大学
IPC: G01R31/367 , G01R31/36
Abstract: 本发明公开了一种电池的荷电状态的确定方法、装置、存储介质和处理器。其中，该方法包括：获取电池的目标域数据；基于迁移学习变换机制学习模型，将目标域数据中初始特征空间转换为第一特征空间；基于荷电状态估计模型，对第一特征空间进行估计，得到电池的荷电状态的估计值。本发明解决了在确定电池的荷电状态的过程中出现的负迁移学习的技术问题。
-
公开(公告)号：CN116595807A
公开(公告)日：2023-08-15
申请号：CN202310861920.1
申请日：2023-07-14
Applicant: 中国第一汽车股份有限公司 , 哈尔滨工业大学
IPC: G06F30/20 , G16C10/00 , G16C20/10 , G06F119/14
Abstract: 本发明公开了一种电池模型的生成方法和装置，涉及车辆中电池等效模型领域。其中，该方法包括：获取车辆中电池内部的实际反应机理，其中，实际反应机理用于表示电池内部的电化学反应；基于实际反应机理建立动力学模型，其中，动力学模型是基于对应的表征元件进行表征的，表征元件用于触发对应的电化学反应；基于动力学模型以及对应的表征元件，生成电池的电池模型，其中，电池模型用于对电化学反应过程进行模拟。本发明解决了车辆中电池的电池模型的精确度低的技术问题。
-
公开(公告)号：CN118013696A
公开(公告)日：2024-05-10
申请号：CN202311851796.7
申请日：2023-12-29
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06F111/10 , G06F119/08
Abstract: 一种基于有限参考温度信息的电池包温度估计方法，涉及锂离子电池技术领域。基于皮尔逊计算未设置温度传感器单体电池与所有设置有温度传感器单体电池端电压之间的相关性大小，通过电池索引找到目标电池；集合目标电池的电流、端电压、荷电状态、开路电压和测量温度用于建模特征，测量温度用于建模目标；建立数据驱动温度估计模型；选择未设置温度传感器单体电池的输入特征；输入到数据驱动温度估计模型得到温度估计值。通过可测电压参数之间的相关性大小获取设置有温度传感器的单体电池作为目标电池，基于目标电池建立数据驱动模型，选择相应的未设置温度传感器的单体电池的参数信息作为输入特征来获取电池温度估计结果。
-
公开(公告)号：CN118568935A
公开(公告)日：2024-08-30
申请号：CN202410610856.4
申请日：2024-05-16
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G01R31/387 , G01R31/385 , G01R31/367 , G01R31/392 , G06F16/9035 , G06F16/907 , G06F111/10
Abstract: 一种基于数字孪生思想的电池状态估计算法参数确定方法，涉及锂离子电池技术领域。考虑环境温度、电池荷电状态和电池健康状态三种影响因素建立数字孪生电池模型，设置参数系数取值并通过卡尔曼滤波算法建立SOC估计模型，生成考虑三种影响因素的工况数据，基于算法参数系数值和工况数据，执行SOC估计模型并设定判断阈值得到初始算法参数库，获取不同工况环境模拟下的响应数据，基于初始算法参数库和响应数据获取对工况适用性表现更优的算法参数库。基于数字孪生电池模型思想，通过注入一系列工况环境模拟因素来获得丰富的动态工况数据库，通过判断选择筛选出具有更强工况适用性效果的模型算法参数组合，节省人力物力，鲁棒性更强。
-
公开(公告)号：CN116953524A
公开(公告)日：2023-10-27
申请号：CN202310867276.9
申请日：2023-07-14
Applicant: 哈尔滨工业大学
IPC: G01R31/367 , G01R31/378 , G01R31/382
Abstract: 一种适用于数据驱动SOC估计的输入特征构造方法，涉及一种输入特征构造方法。SOC数据驱动估计模型输入特征的构造，包括开路电压输入特征的建模和构造、开路电压曲线平滑输入特征的构造、端电压曲线平滑输入特征的构造、开路电压曲线平滑输入特征和端电压曲线趋势特征的融合构造以及基于安时积分法方程的SOC输入特征构造，确定输入特征后进行采样处理，并在采样点估计SOC。通过构造有效的输入特征促进SOC数据驱动建模，能够提高SOC数据驱动估计模型的工况适应能力和估计精度。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.028 seconds)
